rusjelRussian Journal of Economics and LawRussian Journal of Economics and Law2782-2923"TCE "Taglimat"" Ltd.10.21202/2782-2923.2024.4.912-925rusjel-2599Research ArticleРЕГИОНАЛЬНАЯ ОТРАСЛЕВАЯ ЭКОНОМИКАREGIONAL AND BRANCH ECONOMICSНаправления формирующихся структурных изменений при использовании биометрических данных в РоссииDirections of emerging structural changes in the use of biometric data in Russiahttps://orcid.org/0000-0001-5146-2502СеливерстоваН. С.SeliverstovaN. S.

Наталья Сергеевна Селиверстова, кандидат экономических наук, доцент, доцент кафедры

кафедра экономической теории и эконометрики

Казань

Web of Science Researcher ID: F-9231-2015

Natalya S. Seliverstova, Cand. Sci. (Econ.), Associate Professor

Department of Economics and Econometrics

Kazan

Web of Science Researcher ID: F-9231-2015

nat-grig17@yandex.ruКазанский (Приволжский) федеральный университетРоссияKazan (Volga region) Federal UniversityRussian Federation202416122024184912925Copyright © Селиверстова Н.С., 20242024Селиверстова Н.С.Seliverstova N.S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.rusjel.ru/jour/article/view/2599   Цель

   Цель: выявление формирующихся структурных изменений использования биометрических данных в России, а именно кратного роста участников рынка и брендов, кратного роста количества образцов биометрии в единой биометрической системе, кратный рост объема рынка, институционального оформления использования биометрии в России.

   Методы

   Методы: общенаучные, абстрактно-логический, диалектический, феноменологический методы, наблюдение, описание.

   Результаты

   Результаты: в статье раскрыты подходы к использованию биометрических данных в некоторых регионах мира, описаны риски и потенциальные преимущества более широкого использования биометрических данных, обобщены основные тренды использования биометрических персональных данных в России, представлен комплексный авторский подход по анализу структурных изменений в экономике на примере развития решений по идентификациифизических лиц с помощью биометрических персональных данных.

   Научная новизна

   Научная новизна: предложено рассматривать формирование структурного сдвига через выделение его четырех содержательных компонентов и качественную оценку их сформированности (низкий, средний, высокий уровни); показано формирование макросдвигов от инициатив микроуровня с последовательным прохождением этапов частных структурных изменений, комплексных микросдвигов, институционализации и закрепления новых практик. Кроме того, прослежен процесс реализации структурных сдвигов от макроуровня к микроуровню, заключающийся в более широком охвате экономических агентов изменениями по сравнению со стадией формирования структурного сдвига. Все вместе это составляет комплексный авторский подход к закономерностям развития структурных сдвигов в экономике.

   Практическая значимость: подобное уточнение взаимосвязей между процессами структурных изменений позволит не только усовершенствовать разработку программ социально-экономического развития регионов, промышленной политики для средне- и высокотехнологичных отраслей промышленности за счет использования современных технологичных способов идентификации и аутентификации клиентов и сотрудников с помощью биометрии, но и создаст основу для углубления имеющихся знаний в сфере развития биометрических технологий в России и расширения практик их применения.

   Objective

   Objective: to identify the emerging structural changes in the use of biometrics in Russia, namely the multiple growth of market participants and brands, the multiple growth of the number of biometrics samples in a single biometric system, and the multiple growth of market volume and institutional design of biometrics use in Russia.

   Methods

   Methods: general scientific, abstract-logical, dialectical, phenomenological methods, observation, description.

   Results

   Results: the article describes approaches to the use of biometric data in some regions of the world, identifies the risks and potential benefits of wider use of biometric data, summarizes the main trends in the use of biometric personal data in Russia, presents a comprehensive author’s approach to the analysis of structural changes in the economy, taking as an example thedevelopment of solutions using biometric personal data for the identification of individuals.

   Scientific novelty

   Scientific novelty: the author proposes to consider the formation of structural shift by identifying its four components and qualitatively assessing their level of formation (low, medium, and high); shows the formation of macro-shifts from micro-level initiatives and sequential passage of the stages of specific structural changes, complex micro-shifts, institutionalization andconsolidation of new practices. In addition, the process of implementation of structural shifts from the macro- to the micro-level is traced, which consists in the changes more widely covering economic agents compared to the stage of a structural shift formation. All this constitutes a comprehensive author’s approach to the regularities of the structural shifts developmentin the economy.

   Practical significance: clarification of interrelations between the processes of structural change will improve the programs of socio-economic development of regions, industrial policy for medium- and high-tech industries through the use of modern technological methods of identification and authentication of customers and employees with biometrics. It may also create a basis for deepening the existing knowledge in the development of biometric technologies in Russia and expanding the practice of their application.

региональная и отраслевая экономикабиометриябиометрические персональных данныеИКТструктурный сдвигструктурное изменениепромышленностьэкономическое развитиеregional and branch economicsbiometricsbiometric personal dataICTstructural shiftstructural changeindustryeconomic developmentReferencesАхметшина, А. Р., Селиверстова, Н. С. (2024). Компоненты структурных сдвигов в экономике. Вестник Бурятского государственного университета. Экономика и менеджмент, 2, 10–18. doi: 10.18101/2304-4446-2024-2-10-18Akhmetshina, A. R., & Selivyorstova, N. S. (2024). Components of structural changes in the economy. BSU bulletin. Economy and Management, 2, 10–18. (In Russ.). doi: 10.18101/2304-4446-2024-2-10-18Борисевич, Я. Р., Лохвицкая, П. Е., Сечко, В. В., Сухинина, К. А. (2024). Концептуальные направления и тенденции цифровой трансформации в функционировании современных транспортно-логистических кластеров и мировых логистических хабов. В сб.: Формирование и развитие новой парадигмы науки в условиях постиндустриального общества : сборник статей Международной научно-практической конференции, 7 июня 2024 г., г. Иркутск (с. 22–25). Уфа: Omega Science.Bakir, V., Laffer, A., & McStay, A. (2023). Blurring the moral limits of data markets: biometrics, emotion and data dividends. AI & Society, 39, 2569–2583. doi: 10.1007/s00146-023-01739-5Котилко, В. В. (2024). Биометрия и экономика России. В сб.: Формирование и развитие новой парадигмы науки в условиях постиндустриального общества : сборник статей Международной научно-практической конференции, 7 июня 2024 г., г. Иркутск (с. 93–100). Уфа: Omega Science.Borisevich, Y. R., Loxvickay, P. E., Sechko, V. V., & Suxinina, K. A. (2024). Conceptual directions and trends of digital transformation in the functioning of modern transportation and logistics clusters and global logistics hubs. In Formation and development of a new scientific paradigm in the post-industrial society: collection of works of International scientific-practical conference, June 7, 2024, Irkutsk (pp. 22–25). Ufa: Omega Science.Красильников, О. Ю. (2001). Структурные сдвиги в экономике. Саратов: Изд-во Сарат. ун-та.Cao, K., & Jain, A. K. (2015). Learning Fingerprint Reconstruction: From Minutiae to Image. IEEE Transactions on Information Forensics and Security, 10(1), 104–117. doi: 10.1109/tifs.2014.2363951Селиверстова, Н. С. (2023). Систематизация методологических подходов к структурному анализу экономики, идентификации структурных изменений и сдвигов. Вестник ЮУрГУ. Серия: Экономика и менеджмент, 17(3), 122–131. doi: 10.14529/em230311Casper, S., Davies, X., Shi, C., Gilbert, Th. K., Scheurer, J., Rando, J., Freedman, R., Korbak, T., Lindner, D., Freire, P., Wang, T., Marks, S., Segerie, Ch.-R., Carroll, M., Peng, A., Christoffersen, Ph., Damani, M., Slocum, S., Anwar, U. … Hadfield-Menell, D. (2023). Open Problems and Fundamental Limitations of Reinforcement Learning from Human Feedback. doi: 10.48550/arXiv.2307.15217Селиверстова, Н. С. (2024). Структурные сдвиги в электронной промышленности России. Экономика промышленности. Russian Journal of Industrial Economics, 17(1), 67–75. doi: 10.17073/2072-1633-2024-1-1255Chu, C. H., Nyrup, R., Leslie, K., Shi, J., Bianchi, A., Lyn, A., McNicholl, M., Khan, Sh., Rahimi, S., Grenier, A. (2022). Digital ageism: challenges and opportunities in artificial intelligence for older adults. Gerontologist, 62(7), 947–955. doi: 10.1093/geront/gnab167Селищева, Т. А. (2006). Структурные трансформации и проблемы формирования информационной экономики России : дис. … д-ра экон. наук.Chu, Z., Yuan, G., Zhang, X., & Han, L. (2012). Fingerprint orientation reconstruction from minutiae points. Proceedings of the 10<sup>th</sup> World Congress on Intelligent Control and Automation, Beijing (pp. 4583–4587). doi: 10.1109/wcica.2012.6359347Сурина, И. В., Клушина, Е. С. (2023). Цифровые финансовые активы как разновидность ценных бумаг, преимущества и проблемы их использования на территории РФ. В сб.: Проблемы национальной безопасности России: уроки истории и вызовы современности : сборник статей Всероссийской научно-практической конференции с международным участием: к 85-летию Краснодарского края, Сочи, 4–8 ноября 2022 г. (с. 432–437). Краснодар: Перспективы образования.Espinoza, M. (2011). Vulnerabilities of fingerprint reader to fake fingerprints attacks. Forensic Science International, 204(1–3), 41–49. doi: 10.1016/j.forsciint.2010.05.002Цифровая трансформация отраслей: стартовые условия и приоритеты : доклад к XXII Апрельской Международной научной конференции по проблемам развития экономики и общества, Москва, 13–30 апреля 2021 г. (2021). Нац. исслед. ун-т «Высшая школа экономики». Москва: Изд. дом Высшей школы экономики.Faundez-Zanuy, M. (2004). On the vulnerability of biometric security systems. IEEE Aerospace and Electronic Systems Magazine, 19(6), 3–8. doi: 10.1109/maes.2004.1308819Sandel, M. (2012). What money can’t buy: the moral limits of markets. Macmillan. Penguin, London.Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., Luetge, C., Madelin, R., Pagallo, U., Rossi, F., Schafer, B., Valcke, P., Vayena, E. (2018). AI4People – An ethical framework for a good AI society: opportunities, risks, principles, and recommendations. Minds & Machines, 28, 689–707. doi: 10.1007/s11023-018-9482-5Bakir, V., Laffer, A., & McStay, A. (2023). Blurring the moral limits of data markets: biometrics, emotion and data dividends. AI & Society, 39, 2569–2583. doi: 10.1007/s00146-023-01739-5Gayrel, C. (2016). The Principle of Proportionality Applied to Biometrics in France : Review of Ten Years of CNIL’s Deliberations. Computer Law & Security Review, 32(3), 450–461. doi: 10.1016/j.clsr.2016.01.013Cao, K., & Jain, A. K. (2015). Learning Fingerprint Reconstruction: From Minutiae to Image. IEEE Transactions on Information Forensics and Security, 10(1), 104–117. doi: 10.1109/tifs.2014.2363951Gelb, A., & Clark, J. (2013). Identification for Development: The Biometrics Revolution. CGD Working Paper 315. Washington, DC: Center for Global Development.Casper, S., Davies, X., Shi, C., Gilbert, Th. K., Scheurer, J., Rando, J., Freedman, R., Korbak, T., Lindner, D., Freire, P., Wang, T., Marks, S., Segerie, Ch.-R., Carroll, M., Peng, A., Christoffersen, Ph., Damani, M., Slocum, S., Anwar, U. … Hadfield-Menell, D. (2023). Open Problems and Fundamental Limitations of Reinforcement Learning from Human Feedback. doi: 10.48550/arXiv.2307.15217Gran, A. B., Booth, P., & Bucher, T. (2020). To be or not to be algorithm aware: a question of a new digital divide? Information, Communication & Society, 24(12), 1779–1796. doi: 10.1080/1369118x.2020.1736124Chu, C. H., Nyrup, R., Leslie, K., Shi, J., Bianchi, A., Lyn, A., McNicholl, M., Khan, Sh., Rahimi, S., Grenier, A. (2022). Digital ageism: challenges and opportunities in artificial intelligence for older adults. Gerontologist, 62(7), 947–955. doi: 10.1093/geront/gnab167Higgs, E. (2011). Identifying the English: a History of Personal Identification 1500 to the Present. London: Continuum.Chu, Z., Yuan, G., Zhang, X., & Han, L. (2012). Fingerprint orientation reconstruction from minutiae points. Proceedings of the 10<sup>th</sup> World Congress on Intelligent Control and Automation, Beijing (pp. 4583–4587). doi: 10.1109/wcica.2012.6359347Jung, Y., & Virgil, E. D. (2024). Analysis of Legislative Framework Governing Biometric Data. Procedia Computer Science, 241, 48–55. doi: 10.1016/j.procs.2024.08.009Espinoza, M. (2011). Vulnerabilities of fingerprint reader to fake fingerprints attacks. Forensic Science International, 204(1–3), 41–49. doi: 10.1016/j.forsciint.2010.05.002Kotilko, V. V. (2024). Biometrics and the Russian economy. In Formation and development of a new scientific paradigm in the post-industrial society: collection of works of International scientific-practical conference, June 7, 2024, Irkutsk (pp. 93–100). Ufa: Omega Science.Gayrel, C. (2016). The Principle of Proportionality Applied to Biometrics in France : Review of Ten Years of CNIL’s Deliberations. Computer Law & Security Review, 32(3), 450–461. doi: 10.1016/j.clsr.2016.01.013Krasilnikov, O. Yu. (2001). Structural shift in economy. Saratov: Saratov University Publishing House.Gelb, A., & Clark, J. (2013). Identification for Development: The Biometrics Revolution. CGD Working Paper 315. Washington, DC: Center for Global Development.Lai, L., Ho, S.-W., & Poor, H. V. (2011). Privacy – Security Trade-Offs in Biometric Security Systems – Part I: Single Use Case. In IEEE Transactions on Information Forensics and Security (Vol. 6, No. 1, pp. 122–139). doi: 10.1109/tifs.2010.2098872Gran, A. B., Booth, P., & Bucher, T. (2020). To be or not to be algorithm aware: a question of a new digital divide? Information, Communication & Society, 24(12), 1779–1796. doi: 10.1080/1369118x.2020.1736124Ouyang, L., Wu, J., Jiang, X., и др. (2022). Training language models to follow instructions with human feedback. arXiv. doi: 10.48550/arXiv.2203.02155Faundez-Zanuy, M. (2004). On the vulnerability of biometric security systems. IEEE Aerospace and Electronic Systems Magazine, 19(6), 3–8. doi: 10.1109/maes.2004.1308819Perkowitz, S. (2021, February 5). The Bias in the Machine: Facial Recognition Technology and Racial Disparities. MIT Case Studies in Social and Ethical Responsibilities of Computing. doi: 10.21428/2c646de5.62272586Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., Luetge, C., Madelin, R., Pagallo, U., Rossi, F., Schafer, B., Valcke, P., Vayena, E. (2018). AI4People – An ethical framework for a good AI society: opportunities, risks, principles, and recommendations. Minds & Machines, 28, 689–707. doi: 10.1007/s11023-018-9482-5Sandel, M. (2012). What money can’t buy: the moral limits of markets. Macmillan. Penguin, London.Higgs, E. (2011). Identifying the English: a History of Personal Identification 1500 to the Present. London: Continuum.Selishheva, T. A. (2006). Structural transformations and problems of forming information economy in Russia : Dr. Sci. (Economics) thesis. (In Russ.).Jung, Y., & Virgil, E. D. (2024). Analysis of Legislative Framework Governing Biometric Data. Procedia Computer Science, 241, 48–55. doi: 10.1016/j.procs.2024.08.009Seliverstova, N. S. (2024). Structural shifts in the Russian electronics industry. Russian Journal of Industrial Economics, 17(1), 67–75. (In Russ.). doi: 10.17073/2072-1633-2024-1-1255Lai, L., Ho, S.-W., & Poor, H. V. (2011). Privacy – Security Trade-Offs in Biometric Security Systems – Part I: Single Use Case. In IEEE Transactions on Information Forensics and Security (Vol. 6, No. 1, pp. 122–139). doi: 10.1109/tifs.2010.2098872Seliverstova, N. S. (2024). Systematization of methodological approaches to structural analysis of the economy and identification of structural shifts. Bulletin of the South Ural State University. Ser. Economics and Management, 17(3), 122–131. (In Russ.). doi: 10.14529/em230311Ouyang, L., Wu, J., Jiang, X., et al (2022). Training language models to follow instructions with human feedback. arXiv. doi: 10.48550/arXiv.2203.02155Sourina, I. V., & Kloushina, E. S. (2023). Digital financial assets as a type of securities, advantages and problems of its use in the territory of the Russian Federation. In: Problems of national security of Russia: lessons of history and challenges of today : collection of works of All-Russia scientific-practical conference with international participation: to the 85<sup>th</sup> anniversary of Krasnodar krai, Sochi, November 4–8, 2022 (pp. 432–437). Krasnodar: Perspektivy obrazovaniya. (In Russ.).Perkowitz, S. (2021, February 5). The Bias in the Machine: Facial Recognition Technology and Racial Disparities. MIT Case Studies in Social and Ethical Responsibilities of Computing. doi: 10.21428/2c646de5.62272586Yang, W., Wang, S., Hu, J., Zheng, G., & Valli, C. (2019). Security and Accuracy of Fingerprint-Based Biometrics : A Review. Symmetry, 11(2), 141. doi: 10.3390/sym11020141Yang, W., Wang, S., Hu, J., Zheng, G., & Valli, C. (2019). Security and Accuracy of Fingerprint-Based Biometrics : A Review. Symmetry, 11(2), 141. doi: 10.3390/sym1102014Digital transformation of sectors: starting conditions and priorities: Report to the 22<sup>nd</sup> April International scientific conference on the problems of economy and society development, Moscow, April 13-30, 2021 (2021). National Research University “Higher School of Economics”. Moscow: HSE University Publishing House.

The authors declare that there are no conflicts of interest present.